Muse Wonder Full chỉ áp dụng mô hình thuê bao: Điều này có ý nghĩa gì đối với đội ngũ Agent

Mô hình mạnh nhất của Meta không có trên API của Meta. Muse Wonder Full đạt 56 điểm trên Artificial Analysis Intelligence Index, ngang ngửa Claude Code chạy trên Sonnet 5.5 với 68 điểm trên Coding Agents Index, và dẫn đầu mọi mô hình trong bài benchmark lập trình dài hạn của Meta. Bạn chỉ có thể dùng mô hình này bên trong Muse Code—terminal agent của Meta—với gói Power 50 USD hoặc gói Maximum 200 USD. Bản API chỉ cung cấp phiên bản Muse Wonder nhỏ hơn với số điểm lần lượt là 52 và 63. Hoàn toàn không có mức giá tính theo token cho Full, không có gateway, và cũng chưa có ngày ra mắt dự kiến.

Với một lập trình viên cá nhân, đây đơn thuần là sự lựa chọn về giá. Nhưng với một đội ngũ vận hành các agent từ một bảng chung (shared board), đây lại là câu chuyện về cấu trúc: mô hình tốt nhất của Meta nằm trọn trong terminal của một cá nhân, gắn với gói đăng ký của cá nhân đó, cùng thiết lập dữ liệu của riêng người đó, và không một Task nào được giao có thể chạm tới nó. Bài viết này sẽ phân tích điều đó tác động ra sao tới một Crew, và cách xử lý vấn đề này.

Hai phiên bản Wonder dưới góc nhìn của một đội ngũ

Cột bên phải là một công cụ cá nhân. Cột bên trái là một làn điều phối (lane). Mọi vấn đề dưới đây đều bắt nguồn từ sự khác biệt đó.

Nhóm sẽ mất những gì khi mô hình tốt nhất thuộc về cá nhân

Công việc bị tách khỏi board chung. Giá trị cốt lõi của Sharkly là việc phân công, tiến độ, điểm nghẽn, kết quả và quy trình đánh giá (review) đều minh bạch từ lúc yêu cầu đến khi phát hành. Một phiên làm việc trên Muse Code lại không có bất kỳ yếu tố nào trong số đó. Nếu mô hình mạnh nhất chỉ chạy ở đó, những Task khó nhất sẽ dồn về người sở hữu gói đăng ký, và board sẽ ghi nhận một Task đã Done mà không hề có lượt chạy (run), log hay quy trình nào có thể review được.

Thiết lập của một cá nhân trở thành chính sách của cả nhóm. Các gói đăng ký Muse Code mặc định ở chế độ Contributor—cho phép Meta huấn luyện trên các câu lệnh prompt, mã nguồn và kết quả đầu ra để đổi lấy hạn mức sử dụng cao hơn. Người đăng ký có thể tắt tùy chọn này, nhưng không ai khác biết được họ đã tắt hay chưa. Trong khi đó, một Runtime trên Computer gọi API ở chế độ Standard, nơi lưu lượng truy cập không bao giờ bị dùng để huấn luyện, và điều này áp dụng cho mọi Agent trên Computer mà không ai phải tự tay tích chọn.

Năng lực xử lý phụ thuộc vào gói cước, không phải API key. Các gói Muse Code giới hạn theo các khung giờ 5 tiếng và theo tuần. Tuần đầu ra mắt đã cho thấy điều gì sẽ xảy ra khi hệ thống gặp sự cố: Wonder và Full cạn kiệt hạn ngạch một cách bất thường ngay trong ngày đầu, Meta phải đặt lại hạn mức cho tất cả mọi người, và Alexandr Wang thừa nhận vẫn còn nhiều vấn đề cần khắc phục. Ngược lại, một lane trên API có giới hạn hoàn toàn khác: 3.000 yêu cầu và 4 triệu token mỗi phút dùng chung cho cả nhóm, điều mà board có thể đo lường và kiểm soát được còn cá nhân thì không.

Điểm benchmark thực tế không giống như những gì bạn nhận được. Tài liệu ra mắt của Meta chủ yếu làm nổi bật các con số của Full. Bất kỳ ai hoạch định năng lực dựa trên những con số đó đều đang lên kế hoạch cho một mô hình mà Crew không thể chạy. Hàng thông số thực sự phù hợp với một nhóm là của Wonder: 52 điểm trên index, 53,1 trên SWE-Marathon và 25 về kiến thức. Đây vẫn là một công cụ bền bỉ, chạy đường dài rất tốt; cách triển khai mô hình này chỉ mất vỏn vẹn một buổi chiều để thiết lập.

Những gì nhóm vẫn giữ lại được

Tất cả những điều trên không có nghĩa là Full vô dụng. Nó chỉ biến Full thành một loại công cụ khác. Thành thật mà nói, vị trí của nó tương tự như Claude Code hay Codex trên một terminal cá nhân từ trước đến nay: dành cho kỹ sư trưởng tự do khám phá, làm các spike kỹ thuật chưa được xác định phạm vi (scope), hoặc xử lý các buổi debug hóc búa chưa thể coi là một Task cho đến khi có người thực sự hiểu rõ vấn đề. Full vượt trội hơn 4 điểm ở chính những tác vụ như vậy. Hãy tận dụng nó đúng chỗ.

Sự kỷ luật nằm ở khâu bàn giao (handoff). Khi một phiên làm việc trên Muse Code biến một bài toán mơ hồ thành một kế hoạch rõ ràng, kế hoạch đó sẽ trở thành một Task, và Task đó sẽ được đưa vào một lane mà cả board đều nhìn thấy. Agent Wonder hoặc Agent Opus 5.5 của Crew sẽ đảm nhận phần việc đã được xác định phạm vi, kèm theo run log đầy đủ và người review. Người đăng ký giữ quyền khám phá độc lập; cả nhóm giữ lại toàn bộ lịch sử ghi nhận.

Hai thói quen nhỏ sau sẽ giúp quy trình này vận hành hiệu quả:

• Ghi rõ mô hình được dùng vào Task. Sharkly không hiển thị tên mô hình, vì vậy chỉ dẫn (instruction) của Agent nên đặt mã định danh mô hình (model id) ở ngay đầu báo cáo, và bất kỳ ai sao chép kết quả từ Muse Code cũng nên nêu rõ điều đó trong bình luận của Task. Một reviewer không biết diff đó đến từ Full trong terminal hay Wonder trên lane sẽ không thể đánh giá chính xác chất lượng.
• Cùng nhóm thống nhất về chế độ Contributor. Nếu ai đó dùng gói Muse Code để can thiệp vào các repository của nhóm, việc tắt tính năng này (opt-out) phải là một quyết định chung bằng văn bản của cả nhóm, chứ không phải tùy chọn cá nhân mặc định. Bài viết Prompt injection and agent guardrails giải thích lý do tại sao chốt kiểm duyệt (review gate) mới là cơ chế kiểm soát, chứ không phải bản thân mô hình.

Một tuần làm việc trong thực tế

Hãy hình dung một nhóm năm người trong tuần đầu tiên sau khi ra mắt. Trưởng nhóm mua gói Muse Code Power ngay ngày đầu và dành trọn ngày thứ Hai làm việc trên Full để giải quyết một đợt di chuyển hệ thống (migration) mà chẳng ai muốn đụng vào. Đến thứ Ba, một kế hoạch rõ ràng đã hình thành: bốn phần việc cụ thể, mỗi phần đều có bộ test riêng cần giữ màu xanh (pass test). Bốn phần đó trở thành các Task trên board, được giao cho Wonder Agent trên Codex Runtime và chạy song song trên Computer của nhóm, trong khi trưởng nhóm kiểm tra đánh giá ngay từ Inbox. Hai Task hoàn thành suôn sẻ. Một Task gửi yêu cầu xác nhận về việc thay đổi schema bên ngoài các repository liên kết, và trưởng nhóm đã phản hồi ngay trong bình luận của Task. Một Task bị fail test suite hai lần, vẫn tiếp tục thử và hoàn thành ở cách tiếp cận thứ ba, với đầy đủ nhật ký log ghi lại cả ba lần thử.

Cả tuần đó không hề cần Full xuất hiện trên board. Full đảm nhận phần việc chưa thành hình Task. Wonder giải quyết các Task đã định hình. Mọi lịch sử đều ghi rõ ai đã làm gì và trên mô hình nào, bởi lẽ chỉ dẫn của Agent luôn đưa model id lên đầu mỗi báo cáo, còn bình luận của trưởng nhóm xác nhận kế hoạch bắt nguồn từ một phiên Muse Code. Đó chính là sự phân công lao động mà Sharkly hướng tới: các công cụ thực thi đảm nhận phần việc, còn board giữ cho việc phân công, ngữ cảnh, điểm nghẽn, kết quả và khâu đánh giá luôn minh bạch giữa tất cả các bên.

Kịch bản thất bại của chính tuần đó cũng rất dễ hình dung. Trưởng nhóm làm cả bốn phần việc bằng Full vì tiện tay có sẵn, đẩy branch lên vào thứ Năm, và cả nhóm phải review một diff dài 2.000 dòng mà không có run log hay bất kỳ manh mối nào cho thấy mô hình đã không chắc chắn ở những đoạn nào. Nhanh hơn vào thứ Hai, nhưng chậm lại rõ rệt vào thứ Sáu.

Liệu Full có xuất hiện trên API không?

Blog dành cho nhà phát triển của Meta cho biết Full hiện chỉ có qua các gói đăng ký Muse Code và không đưa ra lộ trình cụ thể. Logic thương mại đằng sau điều này rất rõ ràng: Full chính là lý do người ta chịu trả 50 USD mỗi tháng, và việc định giá theo token sẽ cạnh tranh trực tiếp với điều đó. Tuy nhiên, Meta cũng đã phát hành ba dialect API, cung cấp tài liệu hướng dẫn cho Claude Code và Codex chạy trên Wonder, đồng thời đưa Wonder lên Vercel và Cloudflare ngay trong tuần ra mắt; vì vậy API chắc chắn không phải là một phương án phụ. Khả năng cao nhất là Full sẽ có mặt trên API một khi mô hình tiếp theo xuất hiện và soán ngôi nó trên Muse Code. Hãy cứ lên kế hoạch triển khai các lane trên Wonder, và đánh giá lại khi trang thông tin mô hình được cập nhật.

Bảng tóm tắt quyết định

Một mô hình nhỉnh hơn 4 điểm so với mô hình mà các Agent của bạn đang chạy là lý do chính đáng để duy trì gói đăng ký cá nhân, chứ không phải lý do để đưa công việc ra khỏi board. Những lần chạy thực sự có giá trị là những lần chạy mà ai cũng có thể thấy.